Introduction

GAN이 무엇인지에 대해서 학습하고, 생성자와 판별자가 어떤 역할이 있는지 알아보도록 하자!

GAN 이란?

영상을 생성해내는 모델이다.
그냥 이미지를 회전, 축소등을 적용하는 Data Aurgument와는 다른, 기존 데이터 분포를 학습시켜 새로운 영상으로 재창조 하는 것이다.

생성자와 판별자가 있으며 이들이 서로 경쟁하며 학습을 하게 된다.

예시

• 그림체 학습을 통한 만화 생성
  
• 가짜 뉴스
  

필요 개념 복습

Supervised Learning과 Unsupervised Learning

• Supervised Learning은 지도학습 즉, y(labeling 된 데이터)가 있는 학습.
• Unsupervised Learning은 비지도학습 즉, y(labeling 된 데이터)가 없는 학습.

이러한 개념이 필요한 이유?

GAN은 생성자와 판별자 두가지 모델이 내부에서 함께 동작 및 학습이 이루어진다.

생성자(Generator)는 가짜 영상을 생성하는 역할.
비지도 학습을 통해서 학습된다. 사실 이 말이 진짜 이미지 없이, 모두 가짜 이미지이므로 labeling이 의미가 없어 비지도 학습으로 보임

판별자(Discriminator)는 진짜/가짜 영상을 판별하는 역할을 한다.
(지도 학습을 통해 학습됨. 진짜, 가짜에 데이터를 전부 학습 함)

데이터의 분포

각 데이터들에 대한 분포가 나타난다. 해당 분포에 어떤 이미지들이 있는지 확인해보자.
영어 문장이 그리 어렵지 않으니 그냥 읽어도 이해가 될 것이다.




각 분포에 위치한 영상들이 어떤 것들이 있는지 확인해 보았다.

데이터의 분포를 학습

GAN은 이러한 실제 데이터의 분포를 반영하는 유사한 생성모델을 만드는 것이 목적이다.
즉, 실제 데이터와 같은 분포를 나타내도록 생성모델을 학습시키는 것이 목적이다.

생성자와 판별자는 서로 경쟁하며 학습을 진행한다.
생성자는 가짜 영상을 보고 학습하여 가짜 영상을 만들고, 판별자는 이러한 생성자가 만든 영상이 진짜인지를 분류한다.

이때, 생성자는 점점 판별자가 "진짜"라고 생각하도록 가짜영상을 만들고, 판별자는 생성자가 진짜처럼 만든 가짜 영상을 "가짜"로 분류하기 위해서 더욱 세밀하게 학습할 것이다.

판별자(Discriminator)의 학습과정 비용함수

• 학습데이터 세트에서 실제 영상을 샘플링하고 Generator에서 생성한 동일한 수의 가짜 영상을 최종 학습 데이터 세트에 추가한다.
• 가짜 영상은 0, 진짜 영상은 1로 labeling한다.
• BCE를 통해서 학습한다. (이진 분류 문제이므로 sigmoid를 반영하는 손실함수를 사용)
  

판별자는 정답은 정답으로, 가짜는 가짜로 분류해야한다.
즉, 정답 D(x)은 1에 가까워지고, 거짓 D(G(z))은 0에 가까워 지는 것이 최고의 분류라고 할 수 있는데, 이렇게 되면 D-max의 값은 커지게 된다.

x = real Image
z = latent vector
G = Generator
G(z) = fake Image
(이해가 안된다면 위에 경찰 그림 참고)

따라서 판별자는 max의 값이 커지는 방향으로 학습하는 것이 목적이다.

생성자(Generator)의 학습과정 비용함수

• 생성자가 생성한 가짜 영상만을 가지고 학습한다.
• 진짜 영상을 추가하지 않고, 가짜 영상에 모두 1로 labling하여 생성자로 하여금 가짜 영상을 진짜라고 생각하도록 학습 시킨다.
• 생성자에서 생성한 모든 가짜 영상을 판별자가 1로 판단(진짜라고 판단)하게 학습을 시킨다.
  (실제와 유사한 데이터 분포를 갖기 위해서 생성자를 점점 정확하게 위조전문으로 악랄하게 학습시킨다)

학습에서 생성자에서는 진짜의 이미지는 들어가지 않기에 진짜 이미지가 들어가는 부분은 사라진다.
가짜가 들어가는 부분에 D(G(z))가 보이는가?
이는 판별자D에게 가짜 영상 G(z)를 넣었을 때의 값이다. 해당 값이 1에 가깝게 나온다면 생성자 입장에서는 완벽한 가짜 사진을 만든 것이므로 성공적인 학습이 될 것이다.

따라서, D(G(z))의 값이 1이되도록 해야하고, 이렇게 되면 결과적으로 해당 비용함수의 값은 min에 가까워 진다.

즉, 생성자의 목적은 G-min값이 최소가 되도록 하는 것이다.

[추가]
G-min과 D-max의 G와 D는 Generator, Discriminator를 의미한다.

ALL DONE..! 🎉

이걸로 딥러닝 기초에 대한 글을 마치도록 하겠습니다.
후에 GCN, YOLO등에 대해서는 따로 추가로 다룰 예정입니다.